一定要使用PHP Simple HTML DOM Parser。它快速，简单且超级灵活。它基本上将整个HTML页面粘贴到一个对象中，然后您可以从该对象访问任何元素。

就像官方网站的例子一样，要获取Google主页上的所有链接：

// Create DOM from URL or file
$html = file_get_html('http://www.google.com/');

// Find all images 
foreach($html->find('img') as $element) 
       echo $element->src . '<br>';

// Find all links 
foreach($html->find('a') as $element) 
       echo $element->href . '<br>';

HTTP 请求

首先，您发出 HTTP 请求以获取页面的内容。有几种方法可以做到这一点。

福朋

发送 HTTP 请求的最基本方法是使用 。一个主要优点是您可以设置一次读取的字符数，这在读取非常大的文件时非常有用。但是，这不是最容易正确执行的操作，除非您正在读取非常大的文件并担心遇到内存问题，否则不建议这样做。fopen

$fp = fopen("http://www.4wtech.com/csp/web/Employee/Login.csp", "rb");
if (FALSE === $fp) {
    exit("Failed to open stream to URL");
}

$result = '';

while (!feof($fp)) {
    $result .= fread($fp, 8192);
}
fclose($fp);
echo $result;

file_get_contents

最简单的方法就是使用.如果或多或少与 fopen 相同，但您可以选择的更少。这里的一个主要优点是它只需要一行代码。file_get_contents

$result = file_get_contents('http://www.4wtech.com/csp/web/Employee/Login.csp');
echo $result;

插座

如果需要更好地控制发送到服务器的标头，则可以将套接字与 结合使用。fopen

$fp = fsockopen("www.4wtech.com/csp/web/Employee/Login.csp", 80, $errno, $errstr, 30);
if (!$fp) {
    $result = "$errstr ($errno)<br />\n";
} else {
    $result = '';
    $out = "GET / HTTP/1.1\r\n";
    $out .= "Host: www.4wtech.com/csp/web/Employee/Login.csp\r\n";
    $out .= "Connection: Close\r\n\r\n";
    fwrite($fp, $out);
    while (!feof($fp)) {
        $result .= fgets($fp, 128);
    }
    fclose($fp);
}
echo $result;

流

或者，您也可以使用流。流类似于套接字，可以与 和 结合使用。fopenfile_get_contents

$opts = array(
  'http'=>array(
    'method'=>"GET",
    'header'=>"Accept-language: en\r\n" .
              "Cookie: foo=bar\r\n"
  )
);

$context = stream_context_create($opts);

$result = file_get_contents('http://www.4wtech.com/csp/web/Employee/Login.csp', false, $context);
echo result;

卷曲

如果您的服务器支持 cURL（通常支持），则建议使用 cURL。使用cURL的一个关键优点是它依赖于其他编程语言中常用的流行C库。它还提供了一种方便的方法来创建请求标头，并自动解析响应标头，并在出现错误时使用简单的界面。

$defaults = array( 
    CURLOPT_URL, "http://www.4wtech.com/csp/web/Employee/Login.csp"
    CURLOPT_HEADER=> 0
);

$ch = curl_init(); 
curl_setopt_array($ch, ($options + $defaults)); 
if( ! $result = curl_exec($ch)) { 
    trigger_error(curl_error($ch)); 
} 
curl_close($ch); 
echo $result; 

图书馆

或者，您可以使用许多 PHP 库之一。不过，我不建议使用库，因为它可能有些过分。在大多数情况下，您最好在后台使用cURL编写自己的HTTP类。

HTML 解析

PHP有一种方便的方法将任何HTML加载到.DOMDocument

$pagecontent = file_get_contents('http://www.4wtech.com/csp/web/Employee/Login.csp');
$doc = new DOMDocument();
$doc->loadHTML($pagecontent);
echo $doc->saveHTML();

不幸的是，PHP对HTML5的支持是有限的。如果在尝试解析页面内容时遇到错误，请考虑使用第三方库。为此，我可以推荐Masterminds/html5-php。使用此库解析 HTML 文件与使用 解析 HTML 文件非常相似。DOMDocument

use Masterminds\HTML5;

$pagecontent = file_get_contents('http://www.4wtech.com/csp/web/Employee/Login.csp');
$html5 = new HTML5();
$dom = $html5->loadHTML($html);
echo $html5->saveHTML($dom);

或者，您可以使用例如。我的库 PHPPowertools/DOM-Query.它使用自定义版本的Masterminds/html5-php将HTML5字符串解析为symfony/DomCrawler，用于将CSS选择器转换为XPath选择器。它总是使用相同的，即使在将一个对象传递给另一个对象时，也要确保良好的性能。DomDocumentDomDocument

namespace PowerTools;

// Get file content
$pagecontent = file_get_contents( 'http://www.4wtech.com/csp/web/Employee/Login.csp' );

// Define your DOMCrawler based on file string
$H = new DOM_Query( $pagecontent );

// Define your DOMCrawler based on an existing DOM_Query instance
$H = new DOM_Query( $H->select('body') );

// Passing a string (CSS selector)
$s = $H->select( 'div.foo' );

// Passing an element object (DOM Element)
$s = $H->select( $documentBody );

// Passing a DOM Query object
$s = $H->select( $H->select('p + p') );

// Select the body tag
$body = $H->select('body');

// Combine different classes as one selector to get all site blocks
$siteblocks = $body->select('.site-header, .masthead, .site-body, .site-footer');

// Nest your methods just like you would with jQuery
$siteblocks->select('button')->add('span')->addClass('icon icon-printer');

// Use a lambda function to set the text of all site blocks
$siteblocks->text(function( $i, $val) {
    return $i . " - " . $val->attr('class');
});

// Append the following HTML to all site blocks
$siteblocks->append('<div class="site-center"></div>');

// Use a descendant selector to select the site's footer
$sitefooter = $body->select('.site-footer > .site-center');

// Set some attributes for the site's footer
$sitefooter->attr(array('id' => 'aweeesome', 'data-val' => 'see'));

// Use a lambda function to set the attributes of all site blocks
$siteblocks->attr('data-val', function( $i, $val) {
    return $i . " - " . $val->attr('class') . " - photo by Kelly Clark";
});

// Select the parent of the site's footer
$sitefooterparent = $sitefooter->parent();

// Remove the class of all i-tags within the site's footer's parent
$sitefooterparent->select('i')->removeAttr('class');

// Wrap the site's footer within two nex selectors
$sitefooter->wrap('<section><div class="footer-wrapper"></div></section>');